論文の概要: CoLa-ICD: A Knowledge-Enhanced Framework for Long-Tail Automated Medical Coding

• arxiv url: http://arxiv.org/abs/2608.30234v1
• Date: Mon, 31 Aug 2026 04:39:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.222524
• Title: CoLa-ICD: A Knowledge-Enhanced Framework for Long-Tail Automated Medical Coding
• Title（参考訳）: CoLa-ICD - ロングテール自動医療符号化のための知識強化フレームワーク
• Abstract要約: CoLa-ICDはロングテール予測のための知識強化フレームワークである。 ラベルのセマンティクスとロングテール予測のための臨床証拠とのより強い整合性を学ぶ。 実験により、CoLa-ICDは、より大きなラベル空間とスペーサーラベル空間において、より大きなゲインを持つ長いテール予測を改善することが示された。
• 参考スコア（独自算出の注目度）: 4.196049845243729
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic medical coding assigns ICD codes to clinical notes, but it remains challenging due to long documents, imbalanced label distributions, and diverse terms. These challenges are especially severe for rare codes, which have limited training instances and are easily confused with semantically similar labels. We introduce CoLa-ICD, a knowledge-enhanced framework for long-tail prediction. CoLa-ICD enriches ICD labels with external terms, models dependencies among related codes, and learns stronger alignment between label semantics and clinical evidence for long-tail prediction. Experiments show that CoLa-ICD improves long-tail prediction with larger gains in larger and sparser label spaces and achieves state-of-the-art performance in AUC, F1, and P@k. Our code is available at https://github.com/youwillbethebest/Cola-ICD.
• Abstract（参考訳）: 自動医療符号化はICD符号を臨床記録に割り当てるが、長い文書、不均衡なラベル分布、多種多様な用語のために依然として困難である。 これらの課題は、トレーニングインスタンスが限られており、意味的に類似したラベルと容易に混同される稀なコードにとって特に深刻である。 本稿では,長期予測のための知識強化フレームワークであるCoLa-ICDを紹介する。 CoLa-ICDは、外部用語、関連するコード間のモデル依存性をICDラベルに富み、ラベルのセマンティクスとロングテール予測のための臨床証拠とのより強力な整合性を学ぶ。 実験により、CoLa-ICDは、大小ラベル空間において大きなゲインを伴い、長いテール予測を改善し、AUC、F1、P@kの最先端性能を達成することが示された。 私たちのコードはhttps://github.com/youwillbethebest/Cola-ICD.comで利用可能です。

関連論文リスト

• Deep Label-Wise Attentive Temporal Convolutional Networks Improve Medical Coding [54.92174500158608]
  タスクを多ラベルテキスト分類問題としてモデル化する。 本稿では,多層時間畳み込みネットワーク(TCN)を用いたディープニューラルモデルを提案する。 本手法は,従来モデルに比べてF-1スコア(9%増加)が有意に向上し,リコールスコア(28%増加)が顕著に増加した。
  論文  参考訳（メタデータ） (2026-07-27T22:48:05Z)
• Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification [22.323705343864336]
  3つのアイデアを取り入れた新しいICDインデクシング手法を提案する。 臨床ノートから情報を収集するために,多レベル深部拡張残差畳み込みエンコーダを用いた。 我々はICD分類の課題を医療記録の補助的知識で定式化する。
  論文  参考訳（メタデータ） (2024-05-29T13:44:07Z)
• A Novel ICD Coding Method Based on Associated and Hierarchical Code Description Distillation [6.524062529847299]
  ICD符号化は、ノイズの多い医療文書入力による多ラベルテキスト分類の問題である。 近年のICD符号化の進歩により、医療用ノートやコードに付加的なデータや知識ベースを組み込むことで、性能が向上した。 コード表現学習の改善と不適切なコード代入の回避を目的とした,関連および階層型コード記述蒸留(AHDD)に基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-17T07:26:23Z)
• CoRelation: Boosting Automatic ICD Coding Through Contextualized Code Relation Learning [56.782963838838036]
  我々は,ICDコード表現の学習を促進するために,文脈的かつ柔軟なフレームワークである新しい手法を提案する。 提案手法では,可能なすべてのコード関係をモデル化する際の臨床ノートのコンテキストを考慮した,依存型学習パラダイムを採用している。
  論文  参考訳（メタデータ） (2024-02-24T03:25:28Z)
• Towards long-tailed, multi-label disease classification from chest X-ray: Overview of the CXR-LT challenge [59.323306639144526]
  診断医用画像検査など,現実的な画像認識の問題が数多く発生している。 診断は長い尾と多ラベルの問題であり、患者は複数の所見を呈することが多い。 我々は共通のテーマを合成し、長い尾を持つマルチラベルの医用画像分類のためのレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2023-10-24T18:26:22Z)
• A Two-Stage Decoder for Efficient ICD Coding [10.634394331433322]
  ICD符号の予測のための2段階復号機構を提案する。 まず、まず親コードを予測し、その子コードを前回の予測に基づいて予測する。 公開MIMIC-IIIデータセット実験により,本モデルが単一モデル設定で良好に動作することを示す。
  論文  参考訳（メタデータ） (2023-05-27T17:25:13Z)
• ICDBigBird: A Contextual Embedding Model for ICD Code Classification [71.58299917476195]
  文脈単語埋め込みモデルは、複数のNLPタスクにおいて最先端の結果を得た。 ICDBigBirdは、Graph Convolutional Network(GCN)を統合するBigBirdベースのモデルである。 ICD分類作業におけるBigBirdモデルの有効性を実世界の臨床データセットで実証した。
  論文  参考訳（メタデータ） (2022-04-21T20:59:56Z)
• Few-Shot Electronic Health Record Coding through Graph Contrastive Learning [64.8138823920883]
  我々は,グラフベースのEHRコーディングフレームワークであるCoGraphを用いて,頻繁かつ希少なICD符号の性能向上を図る。 CoGraphは、異なるICDコードからHEWEグラフ間の類似点と相似点を学習し、それら間で情報を転送する。 2つのグラフコントラスト学習スキームであるGSCLとGECLは、HEWEグラフ構造を利用して、転送可能な特徴を符号化する。
  論文  参考訳（メタデータ） (2021-06-29T14:53:17Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)
• From Extreme Multi-label to Multi-class: A Hierarchical Approach for Automated ICD-10 Coding Using Phrase-level Attention [4.387302129801651]
  臨床コーディングは、ICD(International Classification of Diseases)と呼ばれる一組のアルファ数値符号を、臨床物語で捉えた文脈に基づいて医療イベントに割り当てるタスクである。 本論文では, 階層的解を用いて, 極限多ラベル問題から単純多クラス問題へ再構成し, 自動ICD符号化のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-02-18T03:19:14Z)
• A Label Attention Model for ICD Coding from Clinical Text [14.910833190248319]
  自動ICD符号化のための新しいラベルアテンションモデルを提案する。 ICDコードに関連するテキストフラグメントの様々な長さと相互依存の両方を扱うことができる。 本モデルでは,3つのベンチマークMIMICデータセットに対して,最先端の新たな結果が得られる。
  論文  参考訳（メタデータ） (2020-07-13T12:42:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。